ANÁLISIS DE REGRESIÓN

DEFINICIÓN
 El análisis de regresión lineal es un método de análisis de datos que tienen dos
o más variables. Mediante la creación de una línea de "mejor ajuste" para
todos los puntos de datos en un sistema de dos variables, los valores de y
pueden predecirse a partir de valores conocidos de x. La regresión lineal se
utiliza en los negocios para predecir eventos, gestionar la calidad del producto
y analizar una variedad de tipos de datos para la toma de decisiones.
PARÁMETROS
 Para poder crear un modelo de regresión lineal, es necesario que se cumpla con los siguientes
parámetros:
 1. La relación entre las variables es lineal.
 2. Los errores en la medición de las variables explicativas son independientes entre sí.
 3. Los errores tienen varianza constante.
 4. Los errores tienen una esperanza matemática igual a cero (los errores de una misma
magnitud y distinto signo son equiprobables).
 5. El error total es la suma de todos los errores.
APLICACIONES PRÁCTICAS DEL ANÁLISIS
DE REGRESIÓN

 Este tipo de estudios tiene aplicaciones para la vida cotidiana, desde el estudio de accidentes
de tráfico en una determinada zona geográfica hasta comprobar si un plan de estudios es
recomendable o no desde el punto de vista de la tasa de abandono escolar, por ejemplo.
CRÍTICA AL ANÁLISIS DE REGRESIÓN

 Una crítica común a este tipo de modelo de predicción matemática es no son óptimo, pues
suele confundir correlación con causalidad. Esto quiere decir que las conclusiones que aporta
este tipo de procesos están siempre sujetas a factores que pueden influir en su exactitud, como
la falta de información sobre lo estudiado o la existencia de fallos en la medición o recolección
de datos.
EJEMPLO